政府數據開放平臺效率評估及影響因素實證研究

吳應強　李白楊　石樂怡

關鍵詞： 政府數據開放； 平臺； 門戶網站； 效率評估； 影響因素

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０７．００７

〔中圖分類號〕Ｄ６３； Ｇ２０３ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） ０７－００７４－１０

２００９ 年５ 月， 美國率先上線了政府數據開放平臺網站（ｗｗｗ．ｄａｔａ．ｇｏｖ）， 英國、加拿大、法國、挪威、韓國、新加坡等國家和地區也相繼建立了政府數據開放平臺。２０１２ 年６ 月， 上海市首先上線試運行“上海市政府數據服務網”， 北京、佛山、武漢等地也相繼推出政府數據開放平臺網站。２０２１年９ 月１ 日起正式實施的《中華人民共和國數據安全法》［１］ 強調， “構建政務數據開放平臺， 推動政務數據開放利用”。２０２２ 年９ 月， 國務院辦公廳發布《全國一體化政務大數據體系建設指南》［２］ ， 提出“通過政務數據開放平臺， 推動數據安全有序開放”。截至２０２２ 年１０ 月， 我國已有２０８ 個省級和城市的地方政府上線了政府數據開放平臺。可見， 在數字中國背景下， 國家正大力推進政府數據開放平臺的建設， 加強數字政府轉型發展。

如雨后春筍般建立起來的政府數據開放平臺，其運行效率如何？ 通過對過往研究的文獻調查發現，絕大部分學者采用數據包絡分析法（Ｄａｔａ Ｅｎｖｅｌｏｐ?ｍｅｎｔ Ａｎａｌｙｓｉｓ， ＤＥＡ）對平臺的效率進行評估， 且數據來源多為靜態截面數據。然而， 在傳統的ＤＥＡ 模型中， 對于無效率程度的測量僅僅涉及所有投入（產出）等比例縮減（增加）的部分， 而并未考慮到變量松弛性以及徑向問題可能帶來的測量誤差。這種情況可能導致無效率程度的測量結果出現偏差， 影響其準確性［３］ 。

本文針對上述不足， 嘗試采用無導向ＳＢＭＭａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型與政府數據開放平臺效率評估與影響因素的研究主題進行結合， 在提升效率評估精度的基礎上， 繼續揭示平臺的效率狀態和變化趨勢， 進一步分析影響效率的關鍵因素。與傳統ＤＥＡ方法相比， 顯示出更高的靈活性和精確性， 更適合應對政府數據開放平臺這一特殊且重要的領域。

１ 文獻綜述

政府數據開放平臺效率評估的過往研究主要集中在利用數據包絡法測量平臺的綜合效率、純技術效率、規模效率和規模報酬， 最后綜合評估出政府數據開放平臺的效率。ＤＥＡ 具有無需任何權重假設的特點， 有很強的客觀性。雖然大部分學者在研究方法的選擇上具有一致性， 但在平臺效率評價指標的選取上卻不盡相同。

有的學者結合網站效率評價的特點， 從內容、技術、網站結構等角度選取相應的指標， 例如， 輸入指標包含數據量、數據內容、連通率、下載速度、網站的總頁面數和網站的不重復鏈接量， 輸出指標包含下載量、訪問量、網站外鏈接量［４］ 。有的學者為了避免非ＤＥＡ 有效結果的情況出現， 從數據和平臺兩個維度構建了包含９ 個投入指標和４ 個產出指標的ＤＥＡ 評估指標體系， 但必須滿足決策單元（Ｄｅｃｉｓｉｏｎ Ｍａｋｉｎｇ Ｕｎｉｔ， ＤＭＵ）個數不少于輸入、輸出指標總數２ 倍的要求［５］ 。

對于省級政府數據開放平臺， 有的學者參考復旦大學數字與移動治理實驗室發布的《中國地方政府數據開放報告》， 將數據層指數和平臺層指數作為投入指標， 避免自己重復采集數據和“造輪子” 的麻煩［６］ 。除了單獨研究政府數據平臺資源的利用效率， 有學者將創新應用的效能評價與平臺效率評估進行結合， 極大豐富了研究內容［７］ 。因為傳統ＤＥＡ求解出來的最大效率值為１， 此時代表決策單元達到有效， 但當多個決策單元的效率值達到ＤＥＡ 有效時， 難以進行橫向的區分比較， 故有學者采用超效率ＳＢＭ 模型對政府數據開放平臺的效率進行評估， 最大效率值不再僅局限為１， 最終結果可以由高到低進行有效排序［８］ 。

上述研究對本文提供了重要的參考與借鑒， 但仍存在以下幾點可以提升的空間： ①傳統ＤＥＡ 模型存在一定局限， 未考慮變量松弛性以及徑向問題可能帶來的測量誤差， 可采用無徑向、無導向ＳＢＭ模型進行改進； ②絕大部分過往研究均采取靜態截面數據， 鮮有學者采取面板數據作為數據來源， 可采集政府數據開放平臺的面板數據， 利用Ｍａｌｍｑｕｉｓｔ指數模型進行分析， 彌補ＳＢＭ 模型在動態效率分析的不足； ③評估平臺效率值后， 未深入研究背后的影響因素， 可采用Ｔｏｂｉｔ 模型進行影響因素作用機理的回歸分析。

無導向ＳＢＭ－Ｍａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型在方法應用上具有一定優勢。首先是測算精度更高， 解決了傳統的ＤＥＡ－ＢＣＣ 和ＤＥＡ－ＣＣＲ 模型無法解決的投入產出的松弛性問題以及由投入產出的角度和徑向的選擇所帶來的偏差問題。為了改進傳統ＤＥＡ 模型忽視變量松弛性問題和徑向問題帶來的測量誤差， ＴｏｎｅＫ［９］ 提出了基于松弛變量的非徑向、非導向型ＳＢＭ模型， 在某種程度上克服了傳統ＤＥＡ 的缺點， 提高了測算精度。其次是由截面數據轉為分析面板數據，具有較強的動態性， Ｍａｌｍｑｕｉｓｔ 指數由Ｍａｌｍｑｕｉｓｔ Ｓ于１９５３ 年首次提出， Ｃａｖｅｓ Ｄ Ｗ 等［１０］ 將其應用于生產效率變化的測算， Ｆ?ｒｅ Ｒ 等［１１］ 將其與ＤＥＡ 理論相結合， 建立了用來觀察兩個不同時期全要素生產率增長ＴＦＰＣＨ 的Ｍａｌｍｑｕｉｓｔ 指數， 彌補了靜態ＤＥＡ 模型不能分析面板數據的不足。最后是研究力度更深， 剖析問題更全， 探究了影響效率值背后的深層次因素。Ｃｏｅｌｌｉ Ｔ［１２］ 在數據包絡分析基礎上衍生了兩步法（Ｔｗｏ－ｓｔａｇｅ Ｍｅｔｈｏｄ）， 即在數據包絡分析評測決策單元所得效率值基礎上， 將其作為因變量， 以影響因素作為自變量建立回歸模型。無導向ＳＢＭ 模型所得效率值在０～１ 的區間變動， 如果直接使用最小二乘回歸方法將會導致估計偏差， 然而這種特殊的截尾數據卻十分適用于Ｔｏｂｉｔ 模型［１３］ ，通過Ｔｏｂｉｔ 回歸分析所得自變量系數可判斷影響因素對平臺效率的影響方向和影響強度［１４－１５］ 。ＳＢＭＭａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型研究成果較少， 在ＣＮＫＩ 數據庫僅有１６ 篇期刊論文與ＳＢＭ－Ｍａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型主題相關， 但在生態效率［１４，１６］ 、環境效率［１７］ 、綠色經濟效率［１５］ 、創新效率［３］ 、物流效率［１８］ 、科研效率［１９］ 均有成功的研究經驗。

鑒于此， 本文率先嘗試性地采用無導向ＳＢＭＭａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型運用于政府數據開放平臺效率研究， 以２０１９—２０２２ 年中國１０ 個省市政府數據開放平臺的“投入—產出” 面板數據作為數據來源。首先， 利用無導向ＳＢＭ 模型不需要預設生產可能性邊界方向的特性， 使平臺效率評估更加靈活和全面； 其次， 利用Ｍａｌｍｑｕｉｓｔ 指數可衡量時間序列數據效率變化的特性， 幫助平臺識別效率演變趨勢；最后， 利用Ｔｏｂｉｔ 模型適用于分析截尾數據的特性，幫助識別效率背后各影響因素的作用機理。

２ 研究設計

Ｔｏｂｉｔ 模型是一種回歸模型， 用于分析截尾數據（Ｃｅｎｓｏｒｅｄ Ｄａｔａ）， 即那些被截斷或丟失的數據。它被廣泛應用于各種領域， 包括經濟學、醫學和環境科學等。Ｔｏｂｉｔ 模型通常用于研究一些被限制或截斷的變量， 例如在某些情況下， 數據的收集可能只得到部分觀察值， 這些值被稱為截尾數據， 參照本文即ＳＢＭ 模型得出的效率值∈［０，１］。Ｔｏｂｉｔ 模型能夠處理這種類型的數據， 并估計出完整數據下的均值和方差。鑒于此， 本文使用Ｔｏｂｉｔ 模型來分析省市政府數據開放平臺效率的主要影響因素。將平臺效率值視作受截斷的變動量， 并基于ＴＯＥ 研究框架將影響平臺效率的因素視為解釋變量， 通過回歸分析的途徑來推斷各個影響因素的作用機制。如此， 不僅能得到關于平臺效率的預測值， 同時還能揭示出哪些因素影響了平臺效率， 并深入理解這些因素影響的具體程度。

２.２樣本與指標選取

２.２.１樣本選取

選取北京、上海、廣州、深圳、貴州、哈爾濱、武漢、宣城等１０ 個省市地方政府數據開放平臺作為研究樣本， 主要基于以下考量： 第一， 平臺至少在２０１９ 年之前上線且運維正常， 具備２０１９—２０２２ 年的面板數據； 第二， 平臺類型涵蓋正省級、副省級和地市級， 具有一定樣本代表性； 第三， 平臺具有面板數據的可獲取性， 歷年數據便于獲取和爬取。省市政府數據開放平臺網址如表１ 所示。

２.２.２ 綜合效率評價指標設計

為驗證方法的可行性， 選取的綜合效率評價指標較為簡單， 僅作示例參考， 具體綜合指標還需研究者根據實際情況進行探究和考察， 故本文最終沿用過往研究已有的成熟做法并綜合考慮面板數據的可獲取性， 將投入指標分為數據集數量、數據接口數量和數據應用數量， 將產出指標分為網站總訪問量和注冊用戶數。最終構建省市政府數據開放平臺效率評估指標體系， 如表２ 所示。

２.２.３ 影響因子確定

ＴＯＥ 框架（Ｔｅｃｈｎｏｌｏｇｙ－Ｏｒｇａｎｉｚａｔｉｏｎ－ＥｎｖｉｒｏｎｍｅｎｔＦｒａｍｅｗｏｒｋ）將影響技術創新實施的因素歸納為技術層面（Ｔｅｃｈｎｏｌｏｇｙ）、組織層面（Ｏｒｇａｎｉｚａｔｉｏｎ）與環境層面（Ｅｎｖｉｒｏｎｍｅｎｔ）３ 類， 本質上是一種基于技術應用情境的綜合性分析框架。經過逐步發展， 在電子政務、數字政府等研究領域得到廣泛的運用。

政府數據開放平臺效率高低不僅受到平臺自身數據和建設水平的限制， 同時受到政府機構準備情況、財政資源、外部公眾的需求的影響。因此， 對政府數據開放平臺利用水平進行技術、組織、環境層面的組態分析顯得尤為重要。為驗證方法的可行性， 本文僅以ＴＯＥ 理論作為示例分析框架， 影響因素指標的選取難免存在遺漏和不足， 最終擬定影響省市政府數據開放平臺效率的因素及其量化指標如表３所示。

２.３ 數據來源與處理

數據來源上， 考慮到研究樣本的代表性和數據可獲取性， 本文選取２０１９—２０２２ 年中國１０ 個省市政府數據開放平臺的面板數據， 計算無導向ＳＢＭＭａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型。２０１９—２０２１ 年平臺效率評估指標中， 數據集數量、數據接口數量和數據應用數量的數據主要來源于華中師范大學信息管理學院國家社會科學基金重點項目（１７ＡＴＱ００６）課題組及湖北省數據治理與智能決策研究中心共同發布的《中國政府開放數據利用研究報告》［２４］ （２０２０—２０２２），２０２２ 年數據主要來源于Ａｒｃｈｉｖｅ．ｏｒｇ Ｃａｃｈｅ 的網頁歷史快照記錄、數據爬取和網絡調查。２０１９—２０２２ 年網站總訪問量和注冊用戶數來源于各政府數據平臺主管部門統計的《政府網站工作年度報表》。２０１９—２０２２ 年平臺效率影響因素的量化指標數據來源于歷年《中國地方政府數據開放報告》［２５］ 《中國統計年鑒》和《政府信息公開工作年度報告》。

數據處理上， 無導向ＳＢＭ 模型和Ｍａｌｍｑｕｉｓｔ 指數模型的計算采用ＭＡＴＬＡＢ Ｒ２０２１ａ 計算， Ｔｏｂｉｔ 模型采用ＳｔａｔａＭＰ １７ 計算。

３ 實證結果分析

３.１ 政府數據開放平臺效率綜合評價

采用ＭＡＴＬＡＢ Ｒ２０２１ａ軟件對２０１９—２０２２ 年我國１０ 個省市級政府數據開放平臺效率進行逐年測算， 計算結果如表４ 所示。

值得注意的是， 上海市政府數據服務網在本文的評估指標體系下， 綜合效率得分逐年降低。上海市政府數據服務網作為首個推出的政府數據開放平臺， 在平臺建設、功能設計、用戶體驗等方面具備經驗和基礎， 但在綜合效率上的得分與其先發地位不匹配。北京市公共數據開放平臺在２０１９—２０２０年連續達到綜合效率有效， 但近兩年的效率值下降較為明顯。

深圳市政府數據開放平臺在２０１９—２０２２ 年均達到了綜合效率有效， 這充分顯示出深圳市政府對數據開放平臺網站方面的重視程度。深圳市政府對數據開放平臺的建設和維護進行了大量投入， 并采取了一系列措施來提高平臺的綜合效率。與此同時，一些省市級的政府數據開放平臺綜合效率卻逐年降低， 例如廣州、貴州、貴陽、宣城， 表明這些省市級數據開放平臺在建設和維護方面存在一些問題，需要加強對平臺的管理和優化。為了改善這種情況，這些城市需要著手在整體網站的投入進行資源配置優化， 進一步合理配置、整合已有的資源。這包括加強技術投入、提高數據質量、加強用戶體驗等方面的工作。

２０１９ 年的武漢政務公共數據服務網的平臺綜合效率為０.１３９， ２０２０ 年平臺綜合效率為０.３３８， ２０２１年又降低至０.１８２， 此現象主要由于２０２０ 年受新冠肺炎疫情的影響， 全國公眾對武漢政務公共數據服務網的數據需求激增。２０１９ 年， 武漢政務公共數據服務網的網站總訪問量為１３.９８ 萬人次， ２０２０年網站總訪問量達到１ ６０３萬人次， 故導致產出指標的異常增長， 帶來當年平臺綜合效率的突然增長到次年又突然下降的現象， 但與２０１９ 年相比， 平臺整體綜合效率仍有所提升。

２０２０年和２０２２年， 開放廣東平臺在提升綜合效率方面取得了顯著成效。這兩年， 平臺通過優化流程、提高服務質量、增強用戶體驗等措施， 使整體效率得到了顯著提升。這些措施的實施， 不僅使得平臺在處理事務的時間上有所縮短， 還提高了平臺的用戶滿意度， 進一步增強了平臺的競爭力。在這兩年， 開放廣東平臺還不斷加強技術創新， 大力推進數字化轉型。通過引入先進的技術和工具， 優化平臺的運營模式， 進一步提高了平臺的運營效率。同時， 平臺還不斷加強人才隊伍建設， 提升員工的專業素養和服務意識， 為平臺的長遠發展打下了堅實的基礎。此外， 開放廣東平臺還注重與各方的合作與交流。通過與政府部門、企業、社會組織等各方面的合作， 實現了資源共享、優勢互補， 推動了平臺的可持續發展。這種合作模式不僅提高了平臺的綜合效率， 還為其他平臺的發展提供了可借鑒的經驗。

３.２ Ｍａｌｍｑｕｉｓｔ指數分析結果

在分析各決策單元在不同時期的變化時，Ｍａｌｍｑｕｉｓｔ 指數模型可以對效率進行動態研究。Ｍａｌｍｑｕｉｓｔ 指數可分解為技術效率和技術進步， 技術效率可以分解為純技術效率和規模效率。當Ｍ＞１時， 表示效率水平得到提升； 當Ｍ＝１ 時， 表示效率水平不變； 當Ｍ＜１ 時， 表示效率水平降低。采用ＭＡＴＬＡＢ Ｒ２０２１ａ 軟件計算， 結果如表５、表６ 所示。

總的來說， 平臺在２０１９—２０２２ 年的全要素生產率（Ｍ 指數）為１.１７１， 達到了效率前沿面， 但增長率僅為１７.１％。盡管技術進步的平均值為１.２２８，增長率為２２.８％， 表明平臺在技術上有所進步， 但技術效率的平均值為０.９８， 增長率為－２％， 意味著還存在一定程度的浪費或無效率， 導致全要素生產率的漲幅受到影響。

進一步分析技術效率， 可以發現純技術效率的平均值為０.９７６， 增長率為－２.４％， 而規模效率的平均值為１.１４５， 增長率為１４. ５％。這表明平臺在純技術效率和規模效率方面存在一定的差異， 平臺需要更加注重提升純技術效率。

分省市看， ２０１９—２０２２ 年６ 個省市政府數據開放平臺全要素生產率大于１， 占本次研究樣本總量的６０％， 說明我國政府數據開放平臺效率情況整體趨勢較好。其中， 廣州（１.０３１）、深圳（１.３０３）、貴陽（１.０６１）、武漢（１.４５４）、宣城（１.００２）、廣東（２.８９４）均達到效率前沿面， 其中開放廣東平臺增長幅度最高， 其次是武漢和深圳。北京的全要素生產率最低， 僅為０.６４３， 北京市作為我國首都， 其政府數據開放平臺網站建設應該具備得天獨厚的實力支撐， 但就目前得分來看， 表現不盡人意， 明顯與其地位不匹配。值得注意的是， 上海市政府數據開放平臺在前人的研究中均顯示出較高的效率值，但本文卻得出不一樣的研究結果， 這一現象值得探討， 究其原因： 第一， 前人研究較早， 所用數據均為當年， 數據存在大幅度更新， 且近幾年各地響應國家號召， 大力發展政府數據開放， 尤其以山東省為首， 后來居上， 在２０２２ 年《中國地方政府數據開放評估報告（省域指數）》位居榜首； 第二， 前人研究較多以下載量和瀏覽量作為產出指標， 而本文在保持瀏覽量指標不變的前提下將下載量更改為注冊用戶數， 進而得出新的研究結果。可見， 由于指標沒有固定的標準， 基于不同的理論或框架選擇不同的產出指標， 會產生不同的結果， 制定更為完善的產出指標有助于加強研究結果的可靠性和評價指標體系的魯棒性。

３.３ 政府數據開放平臺效率影響因素分析

本文基于ＴＯＥ 理論框架選取平臺數據綜合水平、數據平臺建設水平、組織準備度、財政支持水平和公眾外部需求， 量化指標和數據來源前文已做介紹， 故不再贅述， 回歸區間為２０１９—２０２２ 年， 回歸結果如表７ 所示。

通過回歸分析， 研究發現：

１） 平臺數據綜合水平對政府數據開放平臺效率正向影響顯著。

政府數據開放平臺的效率， 與平臺數據的綜合水平息息相關。數據的多樣性、質量及可用性， 猶如平臺的靈魂， 賦予平臺獨特的魅力與價值。一個平臺若能廣泛涵蓋各種數據類型與來源， 如商業數據（例如商會信息和有關公司或行業數據的官方商業信息）， 注冊與專利、商標和公共招標相關的數據， 地理數據（例如地形和地址數據）， 法律數據（例如法庭判決、立法數據）， 氣象數據（例如天氣和氣候數據）， 社會數據（例如人口、就業和公共衛生數據）， 以及交通數據（例如車輛注冊、交通和公共交通數據）， 便能充分滿足用戶的需求； 數據的質量是平臺綜合水平的關鍵因素之一， 高質量的數據意味著數據的準確性與完整性更高； 數據的可用性意味著數據是否易于獲取、理解和使用， 政府數據開放平臺應提供清晰易懂的數據描述和元數據， 以及便捷易用的數據接口和工具。可見， 平臺綜合數據水平有助于提升平臺的綜合效率水平。

２） 數據平臺建設水平對政府數據開放平臺效率正向影響顯著。

數據平臺建設在政府數據開放中扮演著至關重要的角色， 它直接影響了平臺的運行效率。政府數據開放平臺是政府數據在線訪問及獲取的載體， 數據平臺建設水平的高低表現在其功能設計是否完善、用戶使用體驗是否滿意、平臺互動反饋是否及時、平臺體系的構建是否完善等方面， 涉及社會公眾使用平臺過程中的方方面面。因此， 數據平臺建設水平的高低與否， 直接影響到平臺效率水平。

３） 組織準備度對政府數據開放平臺效率正向影響顯著。

組織準備度反映各省級政府對政府數據開放平臺建設的重視程度， 重視程度越高， 越能帶動相關法規政策和標準規范的制定與落實， 有利于政府數據開放平臺的建設與使用， 從而提升平臺綜合效率。

組織準備度是衡量各省級政府對政府數據開放平臺建設投入程度的重要標志。準備度的高低直接影響到平臺建設與使用的整體效能。當政府高度重視數據開放平臺建設時， 會積極推動相關法規政策和標準規范的制定與執行， 從而為平臺的順利建設與使用提供堅實的保障。同時， 政府通過加強對平臺建設和使用的監管， 能夠及時發現并解決存在的問題， 確保平臺的穩定運行和持續優化。因此， 組織準備度對于提升政府數據開放平臺的綜合效率具有至關重要的作用。

４） 政府財政支持水平對政府數據開放平臺效率正向影響顯著。

當地經濟發展水平越發達， 則政府財政收入情況越好， 分配到公共預算支出的財政資金越多。只有當政府充分認識到數據開放平臺建設的重要性，并給予足夠的支持和投入， 才能夠確保平臺的順利建設與使用， 功能完善、體驗感舒適的平臺更有利于得到社會公眾的接納與利用， 從而更好地服務于社會公眾。

５） 公眾外部需求對政府數據開放平臺效率正向影響顯著。

政府數據開放平臺的產出指標是瀏覽量和用戶注冊數， 當社會公眾對政府數據產生需求時， 才會對政府數據開放平臺進行搜索引擎檢索、注冊、站內檢索、瀏覽、篩查并下載滿足需求條件的數據集，這一系列操作均由需求驅動。可見， 公眾外部需求對政府數據開放平臺效率具有直接的正向影響。

４結語

４.１結論

本文探究了２０１９—２０２２ 年中國１０ 個省市政府數據開放平臺效率綜合水平及其影響因素， 利用無導向ＳＢＭ－Ｍａｌｍｑｕｉｓｔ 模型對這１０ 個省市政府數據開放平臺效率進行綜合評估， 并基于ＴＯＥ 理論框架， 構建政府數據開放平臺效率影響因素Ｔｏｂｉｔ 模型， 分析了省市政府數據開放平臺效率影響因素的作用機理， 完成了無導向ＳＢＭ－Ｍａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型在政府數據開放平臺效率評估及影響因素實證研究主題上的嘗試性運用， 為后續研究者提供新的方法借鑒。

本文基于新方法的運用， 得出以下主要結論：省市政府數據開放平臺效率水平整體呈上升趨勢，平均增長率為１７.１％， 其中深圳、廣東表現較為突出， 平臺通過優化流程、提高服務質量、增強用戶體驗、提升運營模式等措施， 使整體效率得到了顯著提升， 為其他平臺促進開放效率和成效提供了可借鑒的經驗； 平臺的全要素生產率（Ｍ 指數）平均增長率為１７. １％， 表明技術進步， 但技術效率平均值下降， 存在浪費或無效率問題。規模效率平均增長率為１４.５％， 但純技術效率下降， 表明平臺需更注重提升純技術效率； 政府數據開放平臺受到平臺數據綜合水平、數據平臺建設水平、組織準備度、財政支持水平和公眾外部需求的交叉正向影響。數據的多樣性、質量及可用性， 以及平臺的功能設計、用戶體驗等方面是提升效率的關鍵因素，政府的重視程度、財政支持和社會公眾的需求直接影響平臺的綜合效率水平。

４.２研究局限與未來展望

本文力圖將無導向ＳＢＭ－Ｍａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型引入到政府數據開放平臺效率評價及影響因素研究的具體實踐中， 重點在驗證該方法的可行性， 在指標設置上以參考和示例作用為主。因此， 本文在平臺效率指標及影響因素指標的選取上存在遺漏和不足； 其次， 本文選取的時間周期為２０１９—２０２２ 年，時間序列跨度較短， 且研究樣本對象數量較少， 導致所收集的面板數據容量存在不足； 最后， 本文在確定影響因素時僅參考ＴＯＥ 理論框架， 理論支撐較為單一， 影響因素的選取較為簡單。

鑒于此， 本文建議未來研究者從以下幾方面對無導向ＳＢＭ－Ｍａｌｍｑｕｉｓｔ－Ｔｏｂｉｔ 模型在政府數據開放平臺效率評價及影響因素研究的實踐進行完善。第一， 制定科學嚴謹、體系全面的平臺效率指標， 指標的制定必須經過專業調研和專家問詢， 最終賦予指標以科學性和代表性。第二， 面板數據的容量需要進一步擴充， 時間序列的跨度需要拉長， 研究對象的數量需要增加， 為效率演變和發展態勢的分析提供充足的數據量支撐。第三， 通過專業調研的方式確定影響因素， 例如通過扎根理論分析提煉訪談內容， 梳理確立初步的影響因素框架， 通過多輪德爾菲法對其進行剔除、補充、更新， 或是綜合多個已有成熟的理論框架， 從多元化角度對影響因素進行確定， 為Ｔｏｂｉｔ模型分析奠定科學嚴謹的影響因素指標。